全部 · 2026-06-21

这事最讽刺的地方在于，Meta 对外讲“负责任地构建 AI”，对内却想绕过隐私审查直接拿员工的操作数据喂模型。公开信里说，领导层在一个小范围群里通知要推“模型能力计划”（MCI），收集按键、鼠标轨迹、点击位置和屏幕内容。员工追问隐私审查结果，公司拿不出任何已完成审查的记录，给出的隐私缓解措施也很模糊，而高管自己可以选择不参与。 信里还翻了两笔旧账：2024 年因为明文存密码被欧盟罚了 9100 万欧元，今年 3 月又有一个 AI 助手给员工发错指令，导致敏感用户数据泄露。员工担心社保号、健康信息这类东西一旦被录屏或按键记录抓走，出了事又是他们背锅。目前签名人数超过 1600，但正文没披露 Meta 内部总员工数，所以这个比例有多大不好判断。 还缺几个关键信息：MCI 到底打算用这些数据训什么模型、数据存多久、谁有权限看，以及公司有没有正式回应。如果这些都不清楚，光靠一封公开信很难判断后续是叫停还是换个名字继续。

三星电子要在韩国全员和全球设备体验部门铺开 ChatGPT 企业版和 Codex，覆盖研发、制造、营销等业务线。OpenAI 称这是他们至今最大的企业部署之一，Codex 全球周活用户已超 500 万，韩国周活自 2026 年 2 月起涨了近 800%。这些数字说明 Codex 在韩国增长很快，但正文没披露这笔交易的金额、具体上线时间，也没说三星内部怎么评估实际提效效果。 Codex 不只是写代码工具，还能让非技术员工把想法变成内部工具、网站和自动化流程，这点对制造业场景可能有实际价值。三星之前已经在给 OpenAI 供 AI 基础设施用的存储芯片，这次合作从硬件延伸到软件部署，关系在加深。 还缺什么：没看到三星内部试点数据、员工实际使用率，也没提数据隔离和合规细节怎么落地。800% 的增长基数是多少也没说，这个数字好看但信息不全。

Apertus 是瑞士几家顶尖高校和超算中心联合搞的基础模型，有 80 亿和 700 亿参数两个版本。它最大的卖点不是跑分，而是“合规”：从训练第一天就处理了数据退出请求、清洗了个人身份信息，还做了防死记硬背的处理，目标是对标欧盟 AI 法案的要求。团队把训练数据、代码、权重和对齐方法全公开了，说可以复现，这点在开源模型里算比较彻底。 不过，官方页面只说性能“跟同尺寸顶级开源模型有得一拼”，没给出任何具体基准分数。1000 多种语言的训练听起来唬人，但实际多语言能力怎么样，没有量化指标就不好判断。另外，6 月 15 号他们还发了一套 16 个小模型，叫 Apertus Mini，用来展示模型蒸馏和量化技术，但同样没提具体效果。 整体看，这个模型在合规和透明度上确实往前走了一步，适合对数据隐私要求高的场景。但缺了硬碰硬的跑分，现在只能说态度很好，实力未知。

CleverCrow 解决了一个真实痛点：开源维护者被 AI 生成的半吊子 PR 淹没，而真正需要修 bug 的用户又找不到人。它的做法是把出钱和出力的角色分开——社区用户为某个 issue 众筹几美元，维护者再指挥一个没有 git 权限的沙盒代理去规划、写代码、跑 CI，每一步都要维护者点头，最多改五轮。没花完的钱自动退回，平台对维护者免费，只在代理消耗的 token 成本上加收 20%。 文章给了一个例子：5 美元众筹的 issue，实际只花了 0.34 美元，退回 4.66 美元。这个数字看着很省，但得打个折——全文只展示了这一个案例，而且是个删依赖、改同步调用的简单任务。复杂跨模块修复、需要理解业务逻辑的改动，代理能不能搞定、会消耗多少轮审查，正文都没披露。另外，代理完全在沙盒里跑，没有仓库权限，这降低了风险，但也意味着它看不到私有依赖或内部 CI 环境，适用范围可能受限。 目前还缺的信息：代理底层用的是哪个模型、token 消耗的计费细节、多轮审查失败后的兜底机制，以及维护者实际使用后的留存数据。如果后续能放出更多真实案例和失败率统计，这个模式的靠谱程度会清晰很多。

这条消息最炸的点是NSA局长自曝家丑——一个叫Mythos的团队几小时内攻破了他们几乎所有机密系统。同一拨人之前5天破解MacOS，而Google Project Zero这种顶级漏洞团队干同样的事要6个月。单个MacOS零日漏洞黑市价约200万美元，苹果原本估计全球只有10到20个团队有这个能力，Mythos的出现可能把这个数字推到几千。全球20亿活跃苹果设备里，Mac用户中记者、高管、政府官员比例偏高，都是高价值目标，苹果之前被当成"最安全"的选择。 但这条消息的信息缺口很大。正文没披露Mythos到底是什么——是一个团队、一套工具、还是某种新攻击范式？也没说这次攻破发生在什么时候，NSA局长是在什么场合说的。来源是推特上的一个安全梗账号，不是官方声明或媒体报道，可信度要打折扣。如果是真的，说明攻击能力的扩散速度远超行业预期，零日漏洞从极少数精英团队的特权变成了可能几千个团队都能玩的东西，这对整个终端安全模型的冲击会非常大。但眼下缺核实信息，先当一条需要追证的线索看。

lcamtuf 在亚马逊搜“100000 whys”，跳出来约 150 本童书，封面高度撞脸：左上角咆哮恐龙、红白卡通火箭、金毛犬和狮子反复出现。这不是某一本写得不像人话，而是不同“作者”用类似提示词让模型生成内容时，大约 80% 的输出几乎一模一样。他把这种“准确定性”称为 AI 文本真正的指纹，比单篇文字的风格检测更可靠。 这个判断挺实在。日常刷到可疑内容时，相信直觉就行，因为现在生产垃圾的成本已经远低于阅读它的成本。文章没点名具体模型或生成时间，也没做定量统计，80% 这个数是作者的经验估算，不是严格实验数据。如果真想拿这个当检测方法，还需要更大规模、跨模型的验证。

拜耳和 Thoughtworks 做的 PRINCE 平台，核心是把查资料这件事拆给了四个智能体：一个先搞清楚你到底想问什么，一个去外挂资料库里翻报告，一个检查翻出来的数据够不够、靠不靠谱，最后一个把答案写成合规的草稿。这个设计的好处是每一步都可追溯，而且关键节点留了人工审核的口子，对制药这种强监管行业很对路。 但文章从头到尾没提准确率、召回率或者处理一个问题的实际延迟。只说“持续用测试集做评估”，没给具体数字。在临床前安全数据这种容错率极低的场景里，没有量化指标就很难判断这套系统到底能不能扛住生产压力。另外，多智能体串联意味着调用链长、出错概率高，运维成本不会低，文章也没展开讲他们怎么处理级联失败。 如果团队本身合规要求高、能接受一定的运维投入，这个架构思路值得参考。但想直接抄作业的人得先想清楚：自己有没有能力补上评估和监控这两块短板。

Anthropic 把去年的 Project Fetch 重跑了一遍，这次让 Claude Opus 4.7 在 Claude Code 里直接操控一只机器狗。在连接摄像头、激光雷达和检测沙滩球这四项任务上，Opus 4.7 平均用时 9 分 35 秒，比没用 Claude 的人类团队快 37.7 倍，比用了 Claude 的团队快 18.9 倍。模型只写了 1045 行代码，人类团队写了 10309 行，而且大部分代码一次就跑通。 这个速度差确实夸张，但得看清楚实验边界。人类团队要自己摸索方案、踩坑、写大量代码，而 Opus 4.7 是直接上手干活，中间只有一个研究员负责插线、输入提示词和批准命令。另外，原文明确说模型在精准移动沙滩球这件事上还是不行，而且实验完全不涉及底层机器人控制——比如怎么让关节动起来、怎么保持平衡，这些才是机器人学里真正难啃的骨头。 Anthropic 自己总结了一个模式：先是模型帮人，然后人帮模型，最后模型自己干。他们在网络安全领域也看到了类似趋势。这个判断方向是对的，但这次实验只验证了“模型能快速搞定软件集成类任务”，离“模型能操控物理世界”还差得远。正文没披露实验跑了几次、失败率多少，也没说换一台机器狗或换一个环境结果会不会变。如果是真的稳定复现，那至少说明大模型在设备调试和快速原型这块已经能省大量人力了。